[論文レビュー] On-line Survival Analysis of Power Electronic Converters Using Step Noise-Cox Processes

Pourya Shamsi|arXiv (Cornell University)|Jul 10, 2015

Electromagnetic Compatibility and Noise Suppression参考文献 23被引用数 3

ひとこと要約

本稿では、ステップノイズ・コックス過程を用いて、動的応力レベル下での平均残留寿命（MRL）を推定するオンライン生存解析手法を提案する。時間変動する応力を確率過程としてモデル化し、二重確率ポアソン過程（コックス過程）を適用することで、ライブな応力測定値を組み込むことで、従来のオフラインモデルに比べて、変動する運用条件下でも老化の過大評価を低減する、リアルタイムで適応可能なMRL推定が可能となる。

ABSTRACT

This paper is focused on survival analysis of electrical components. The main goal of this paper is to develop a method for on-line estimation of the Mean Time To Failure (MTTF) of electrical components under dynamic stress levels. The proposed method models the variations of the stress levels as a stochastic process. Hence, a stochastic failure rate function can be developed for each electrical component. Later, this function is used as the underlying rate of a doubly stochastic Poisson process (known as Cox processes). Furthermore, this Cox process is used for on-line estimation of the Mean Residual Life (MRL) using the observed stress levels. The proposed method provides a good estimate of the age and life expectancy of each component. An experimental case study is provided to demonstrate the proposed method.

研究の動機と目的

• 時間変動する応力レベル下での電気的部品の平均故障時間（MTTF）および平均残留寿命（MRL）をオンラインで推定する手法の開発。
• 定常な最悪応力レベルを仮定する従来のオフライン信頼性モデルの限界を解消し、老化の過大評価を回避すること。
• 実世界の動的状態（例：マイクログリッドや電気自動車）をよりよく反映するため、運用応力（例：電圧）の確率的変動をステップノイズ過程としてモデル化すること。
• 観測された応力データに基づいて失敗率関数をリアルタイムで更新することで、年齢および寿命予測の精度を向上させること。

提案手法

• 動的運用状態を捉えるために、時間変動する応力レベル（例：バッテリ電圧）をステップノイズ確率過程としてモデル化する。
• 観測された応力レベルを用いて、確率的失敗率関数を定義し、これにより二重確率ポアソン過程（コックス過程）を用いて故障時刻をモデル化する。
• 各時刻までの応力測定履歴を条件として、コックス過程を用いてオンラインで平均残留寿命（MRL）を推定する。
• インファンティルモーラルティ（初期故障）および摩耗段階を含む時間依存の故障行動をモデル化するため、ワイブルベースのbathtub型失敗率関数を用いる。
• 観測電圧の移動平均または累積平均を用いて、将来の応力レベルの期待値（E_G[ν]）を推定し、将来の失敗率を予測する。
• 物理的限界（例：機械的／化学的摩耗による最大MRL 15,500時間）を反映するために、MRL推定値にクランプ処理を適用する。

実験結果

リサーチクエスチョン

• RQ1 動的変動する応力レベル下で、パワー電子部品の平均残留寿命（MRL）をどのようにリアルタイムに推定できるか？
• RQ2 ライブな応力測定値に基づく確率的失敗率関数を用いることで、定常的・最悪応力モデルに比べてMRL推定の精度がどの程度向上するか？
• RQ3 将来の応力レベルの推定戦略（例：最後に観測された値 vs. 累積平均）が、オンラインMRL予測の応答性および精度にどのように影響するか？
• RQ4 コックス過程フレームワークは、実世界の応用において非定常応力条件下の部品の故障時刻分布を効果的にモデル化できるか？

主な発見

• 提案手法は、定常的120V応力仮定のオフラインモデルとは異なり、実測電圧レベルに応じて失敗率を適応的に調整することで、老化の過大評価を低減する。
• コンデンサの平均老化要因は3.7と推定され、これは部品が時計時間の3.7倍の速度で老化することを示すが、この要因はリアルタイムの電圧データに基づき動的に更新される。
• モデル1（最後に観測された電圧を使用）は電圧の段階的変化に最も速やかに対応したが、モデル3（累積平均とベース老化要因を使用）は遅いがより安定した応答を示した。
• すべての提案モデルはt→∞において同一の長期的MRL推定値に収束し、定常状態での一貫性が確認された。
• MRL曲線から、インファンティルモーラルティ段階は約2,500時間で終了することが示され、モデルが初期故障ダイナミクスを適切に捉えていることが裏付けられた。
• オンラインMRL推定手法は、観測された応力履歴に基づいて失敗率関数を動的に調整することで、部品の年齢および残存寿命のより正確な表現が可能となった。